检索结果-维普期刊中文期刊服务平台

深度语义关联学习的基于图像视觉数据跨域检索被引量：1: 1; 作者焦世超关日鹏 +2 位作者况立群熊风光韩燮《计算机工程》 CAS CSCD 北大核心 2024年第5期190-199,共10页; 基于图像的视觉数据跨域检索任务旨在搜索与输入图像在语义上一致或外形上相似的跨域图像和三维模型数据,其面临的主要问题是处理跨域数据之间的模态异质性。现有方法通过构建公共特征空间,采用域适应算法或深度度量学习算法实现跨域特... 展开更多; 关键词跨域检索特征对齐域对齐草图真实图像三维模型相关性学习; 在线阅读下载PDF 职称材料

跨域图像检索综述被引量：3: 2; 作者李浩然周小平王佳《计算机工程与应用》 CSCD 北大核心 2022年第15期18-36,共19页; 受成像载体、成像光谱和成像条件等的影响,跨域图像在不同领域的应用日益增多,跨域图像检索已成为了许多领域研究的热点和前言。然而图像的跨域检索面临着图像视觉偏差的问题,通过传统同域图像检索的方法无法有效地得到结果。通过文献调... 展开更多; 关键词跨域图像检索深度学习特征空间迁移图像域迁移; 在线阅读下载PDF 职称材料

基于三元组网络的单图三维模型检索被引量：2: 3; 作者杜雨佳李海生 +1 位作者姚春莲蔡强《北京航空航天大学学报》 EI CAS CSCD 北大核心 2020年第9期1691-1700,共10页; 随着媒体数据的多样化发展,联合图像与三维模型的跨域检索成为三维模型检索问题的一个新挑战。针对图像与三维模型差异大、难匹配问题,提出了一种基于三元组网络的跨域数据检索方法。以端到端的方式构建真实图像与三维模型的特征联合嵌... 展开更多; 关键词三维模型检索深度学习跨域检索三元组网络门控循环单元(GRU) 注意力机制; 在线阅读下载PDF 职称材料

最小熵迁移对抗散列方法被引量：2: 4; 作者卓君宝苏驰 +1 位作者王树徽黄庆明《计算机研究与发展》 EI CSCD 北大核心 2020年第4期888-896,共9页; 散列算法具有高效的存储和查询特性,被广泛应用于大规模的图像检索.大多数现有的深度散列方法都基于独立同分布的假设,即训练集(源域)和测试集(目标域)的分布一致.然而在现实应用中,源域和目标域往往存在较大的差异,即跨域检索.因此有... 展开更多; 关键词跨域图像检索迁移学习散列方法对抗学习深度学习域适配; 在线阅读下载PDF 职称材料

题名深度语义关联学习的基于图像视觉数据跨域检索被引量：1: 1; 作者焦世超关日鹏况立群熊风光韩燮; 机构中北大学计算机科学与技术学院机器视觉与虚拟现实山西省重点实验室山西省视觉信息处理及智能机器人工程研究中心; 出处《计算机工程》 CAS CSCD 北大核心 2024年第5期190-199,共10页; 基金国家自然科学基金(62272426,62106238) 山西省科技重大专项计划“揭榜挂帅”项目(202201150401021) +2 种基金山西省基础研究计划(202203021222027)。; 文摘基于图像的视觉数据跨域检索任务旨在搜索与输入图像在语义上一致或外形上相似的跨域图像和三维模型数据,其面临的主要问题是处理跨域数据之间的模态异质性。现有方法通过构建公共特征空间,采用域适应算法或深度度量学习算法实现跨域特征的域对齐或语义对齐,其有效性仅在单一类型的跨域检索任务中进行了验证。提出一种基于深度语义关联学习的方法,以适用多种类型的基于图像的跨域视觉数据检索任务。首先,使用异构网络提取跨域数据的初始视觉特征;然后,通过构建公共特征空间实现初始特征映射,以便进行后续的域对齐和语义对齐;最后,通过域内鉴别性学习、域间一致性学习和跨域相关性学习,消除跨域数据特征之间的异质性,探索跨域数据特征之间的语义相关性,并为检索任务生成鲁棒且统一的特征表示。实验结果表明,该方法在TU-Berlin、IM2MN和MI3DOR数据集中的平均精度均值(mAP)分别达到0.448、0.689和0.874,明显优于对比方法。; 关键词跨域检索特征对齐域对齐草图真实图像三维模型相关性学习; Keywords cross-domain retrieval feature alignment domain alignment sketch real image three-dimensional model correlation learning; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名跨域图像检索综述被引量：3: 2; 作者李浩然周小平王佳; 机构北京建筑大学电气与信息工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2022年第15期18-36,共19页; 基金国家自然科学基金(71601013) 北京市自然科学基金(4202017) 北京市青年拔尖人才培育项目(CIT&TCD201904050)。; 文摘受成像载体、成像光谱和成像条件等的影响,跨域图像在不同领域的应用日益增多,跨域图像检索已成为了许多领域研究的热点和前言。然而图像的跨域检索面临着图像视觉偏差的问题,通过传统同域图像检索的方法无法有效地得到结果。通过文献调研,系统梳理了近年来跨域图像检索领域的代表性方法。对跨域图像检索任务作出了简要说明并指出了关键问题;根据图像域的不同转换阶段,将跨域图像检索方法分为两类:基于特征空间迁移和基于图像域迁移的跨域图像检索方法,并对两类方法进行了系统总结和分析;整理了跨域图像检索在不同领域的数据集,对比了各类方法的性能;总结了现有跨域检索方法并对未来的研究方向进行了展望。; 关键词跨域图像检索深度学习特征空间迁移图像域迁移; Keywords cross-domain image retrieval deep learning feature space migration image domain adaptation; 分类号 TP391.3 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于三元组网络的单图三维模型检索被引量：2: 3; 作者杜雨佳李海生姚春莲蔡强; 机构北京工商大学计算机与信息工程学院农产品质量安全追溯技术及应用国家工程实验室食品安全大数据技术北京市重点实验室; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2020年第9期1691-1700,共10页; 基金国家自然科学基金(61877002) 北京市自然科学基金-丰台轨道交通前沿研究联合基金(L191009) 北京市教委科研团队建设项目(PXM2019_014213_000007)。; 文摘随着媒体数据的多样化发展,联合图像与三维模型的跨域检索成为三维模型检索问题的一个新挑战。针对图像与三维模型差异大、难匹配问题,提出了一种基于三元组网络的跨域数据检索方法。以端到端的方式构建真实图像与三维模型的特征联合嵌入空间,通过特征间的距离度量不同模态数据之间的相似性,实现从单张图像检索相似的三维模型。为了提高跨域检索准确度,将三维模型用一组顺序视图表示,结合门控循环单元(GRU)聚合视图级特征,同时引入注意力机制提取图像特征,缩小真实图像与投影视图间的语义差异。实验结果表明:相比于同类方法,所提方法在两个跨域数据集上的检索平均准确率至少提升2.98%~3.05%。; 关键词三维模型检索深度学习跨域检索三元组网络门控循环单元(GRU) 注意力机制; Keywords 3D model retrieval deep learning cross-domain retrieval triplet network Gate Recurrent Unit(GRU) attention mechanism; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名最小熵迁移对抗散列方法被引量：2: 4; 作者卓君宝苏驰王树徽黄庆明; 机构智能信息处理重点实验室(中国科学院计算技术研究所) 中国科学院大学计算机科学与技术学院数字视频编解码技术国家工程实验室(北京大学); 出处《计算机研究与发展》 EI CSCD 北大核心 2020年第4期888-896,共9页; 基金国家自然科学基金项目(61672497,U163621) 国家“九七三”重点基础研究发展计划基金项目(2015CB351802) 中国科学院前沿科学重点研究项目(QYZDJ-SSW-SYS013)。; 文摘散列算法具有高效的存储和查询特性,被广泛应用于大规模的图像检索.大多数现有的深度散列方法都基于独立同分布的假设,即训练集(源域)和测试集(目标域)的分布一致.然而在现实应用中,源域和目标域往往存在较大的差异,即跨域检索.因此有些研究工作开始将跨域识别的方法引入到跨域检索中,以增强所学散列函数的泛化性.现有跨域检索方法仍存在散列码的判别力不足和域不变能力不足2个问题.提出语义保持模块和最小熵损失来解决这2个问题.语义保持模块是1个分类子网络,该模块可以充分利用源域的类别标注信息,并将该语义信息传递给散列学习子网络使得学习到的散列码包含更多的语义信息,即增强判别力.此外,对于无标注的目标域,熵表征目标域样本的分类响应的集中程度,理想的散列码经过语义保持模块后得到的分类响应应该集中于某一个类别,即最小熵状态.引入最小熵损失促使目标域样本与源域样本在类别响应这一空间上分布更加对齐,进而使得散列码更具域不变性.通过引入语义保持模块和最小熵损失,在现有方法的基础上构建了端到端的跨域检索网络,并在2个数据集上进行了大量实验,与领域内现有主要模型进行了详尽的对比,实验证明所提模型取得了更优的性能.; 关键词跨域图像检索迁移学习散列方法对抗学习深度学习域适配; Keywords cross-domain image retrieval transfer learning hashing method adversarial learning deep learning domain adaptation; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	深度语义关联学习的基于图像视觉数据跨域检索	焦世超关日鹏况立群熊风光韩燮	《计算机工程》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	跨域图像检索综述	李浩然周小平王佳	《计算机工程与应用》 CSCD 北大核心	2022	3	在线阅读下载PDF 职称材料
3	基于三元组网络的单图三维模型检索	杜雨佳李海生姚春莲蔡强	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2020	2	在线阅读下载PDF 职称材料
4	最小熵迁移对抗散列方法	卓君宝苏驰王树徽黄庆明	《计算机研究与发展》 EI CSCD 北大核心	2020	2	在线阅读下载PDF 职称材料